Нейротехнологический подход к автоматизированному распознаванию наземных объектов по данным космических систем дистанционного зондирования Земли
Ключевые слова:
обработка космических снимков, распознавание, нейронные сети, дистанционное зондирование ЗемлиАннотация
В данной статье определены возможности использования нейрокомпьютер- ной технологии для обработки снимков космических систем дистанционного зондиро- вания Земли. Представлено моделирование процесса классификации объектов. Обсуж- даются последовательность и содержание основных этапов построения архитектуры нейронной сети. Для классификации и распознавания наземных объектов на космических снимках используются их спектральные характеристики. Проведен сравнительный анализ работы различных типов нейронных сетей при классификации наземных объектов.Литература
Кашкин В.Б., Сухинин А.И. Дистанционное зондирование Земли из космоса//Цифровая обработка изображений: учеб. Пособие. – М.: Логос, 2001. 264 с.
Гонсалес Р. Цифровая обработка изображений / Р.Гонсалес, Р. Вудс. – М.: Техносфера, 2005. 1072 с.
Анисимов В.Б., Курганов В.Д., Злобин В.К. Распознавание и цифровая обработка изображений: Учеб. Пособие для студентов вузов. – М.: Высш. Шк., 1983. 295 с.
Бондур В.Г., Крапивиных В.Ф., Савиных В.П. Мониторинг и прогнозирование природных катастроф. – М.: Научный мир, 2009. 696с.
Давыдов В.Ф. Телеметрия предвестников: Монография – М.: МГУЛ, 2001. 73 с.
Decatur S.E. Applications of Neural Networks to Terrain Classification. Proceedings of the International Joint Conference on Neural Networks, vol. 1, 1989. pp. 283–288
Bischof H., Schneider W., Pinz A.J. Multispectral Classification of Landsat Images Using Neural Networks, IEEE Trans. on Geoscience and Remote Sensing, Vol. 30 no. 3 (1992) pp. 482–490
Куссуль Н.Н. [и др.] Нейросетевой метод мониторинга затопленных территорий с использованием радиолокационных спутниковых данных. Исследование Земли из космоса. 2008. № 4, с. 29–35
Кринов, Е.Л. Спектральная отражательная способность природных образований. М.-Л. Изд-во АН СССР. 1947. — 272 с.
http://speclab.cr.usgs.gov/spectral-lib.html
http://speclib.jpl.nasa.gov/documents/jpl_desc
http://speclib.jpl.nasa.gov/documents/jhu_desc
http://speclib.jpl.nasa.gov/search-1
Электронный учебник по статистике StatSoft: http://www.statsoft.ru/home/textbook/default.htm
Гонсалес Р. Цифровая обработка изображений / Р.Гонсалес, Р. Вудс. – М.: Техносфера, 2005. 1072 с.
Анисимов В.Б., Курганов В.Д., Злобин В.К. Распознавание и цифровая обработка изображений: Учеб. Пособие для студентов вузов. – М.: Высш. Шк., 1983. 295 с.
Бондур В.Г., Крапивиных В.Ф., Савиных В.П. Мониторинг и прогнозирование природных катастроф. – М.: Научный мир, 2009. 696с.
Давыдов В.Ф. Телеметрия предвестников: Монография – М.: МГУЛ, 2001. 73 с.
Decatur S.E. Applications of Neural Networks to Terrain Classification. Proceedings of the International Joint Conference on Neural Networks, vol. 1, 1989. pp. 283–288
Bischof H., Schneider W., Pinz A.J. Multispectral Classification of Landsat Images Using Neural Networks, IEEE Trans. on Geoscience and Remote Sensing, Vol. 30 no. 3 (1992) pp. 482–490
Куссуль Н.Н. [и др.] Нейросетевой метод мониторинга затопленных территорий с использованием радиолокационных спутниковых данных. Исследование Земли из космоса. 2008. № 4, с. 29–35
Кринов, Е.Л. Спектральная отражательная способность природных образований. М.-Л. Изд-во АН СССР. 1947. — 272 с.
http://speclab.cr.usgs.gov/spectral-lib.html
http://speclib.jpl.nasa.gov/documents/jpl_desc
http://speclib.jpl.nasa.gov/documents/jhu_desc
http://speclib.jpl.nasa.gov/search-1
Электронный учебник по статистике StatSoft: http://www.statsoft.ru/home/textbook/default.htm
Опубликован
2013-11-01
Как цитировать
Пушкарский, С. В., Корнейчук, Е. Ю., & Виноградов, И. И. (2013). Нейротехнологический подход к автоматизированному распознаванию наземных объектов по данным космических систем дистанционного зондирования Земли. Труды СПИИРАН, 6(29), 190-200. https://doi.org/10.15622/sp.29.12
Раздел
Статьи
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями:
Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале.
Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале.
Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).
